自己教師つき学習視覚モデルにおける社会的バイアスの分布に関する研究【JST・京大機械翻訳】

Sirotkin Kirill; Carballeira Pablo; Escudero-Vinolo Marcos

プレプリント

J-GLOBAL ID：202202218937851189 整理番号：22P0298504

自己教師つき学習視覚モデルにおける社会的バイアスの分布に関する研究【JST・京大機械翻訳】

A study on the distribution of social biases in self-supervised learning visual models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深層ニューラルネットワークは,それが十分にサンプリングされるならば,データ分布を学習する際に効率的である。しかし,それらは訓練データに暗黙的に組み込まれた非関連要因によって強くバイアスされる。これらには,社会的バイアスが暗黙的に存在するので,訓練データまたは不公平な訓練スケジュールで明示的に定義されているように,無効または不均等なデータサンプリングのような操作上のバイアスを含む。人間プロセスに影響を与えるタスクにおいて,社会的バイアスの学習は,識別的,非倫理的および不信な結果を生じる可能性がある。ラベル付きデータに関する教師つき学習から社会的バイアスステムが,従って,ラベル付きデータを必要としないので,自己監視学習(SSL)が,効率的でバイアスのない解として誤って現れることが,しばしば仮定される。しかし,最近,一般的なSSL法がバイアスを組込むことが最近証明された。本論文では,社会的バイアスを測定するために,心理学的専門家によって設計した方法とデータセットを用いて,ImageNetデータを用いて訓練されたSSL視覚モデルの多様な集合のバイアスを研究した。SSLモデルの型と,それを組み込んだバイアスの数との間に相関があることを示した。さらに,結果は,この数が,ネットワークを通してのモデルの精度と変化に厳密には依存しないことを示唆する。最後に,注意深いSSLモデル選択プロセスは,高性能を維持しながら,展開モデルにおける社会的バイアスの数を減らすことができると結論した。【JST・京大機械翻訳】

, , , ,
, , , , , 【Automatic Indexing@JST】

人工知能

, , , , , ,

前のページに戻る